智慧城市车路协同系统的边缘计算网络架构研究

　　文/秦璐 山西工程科技职业大学计算机工程学院

　　摘要：随着智慧城市建设的推进，车路协同系统成为智能交通系统的核心组成部分。本文聚焦智慧城市中车路协同系统的边缘计算网络架构，探讨了以边缘计算为核心的三级计算平台体系结构，该架构涵盖路侧边缘层、区域汇聚层和城市级中心云。本文旨在构建一个高效、可靠且智能的交通管理框架，促进智慧城市的建设与发展。

　　关键词：智慧城市；车路协同系统；智能交通；边缘计算

　　引言

　　随着信息技术发展，智慧城市成为全球关注焦点，智慧交通是其重要组成部分，核心在于车路协同业务。通过融合汽车工业、交通管理和通信技术，车路协同实现车辆与基础设施的实时信息交互，提升道路安全和交通效率。2020年11月，住房和城乡建设部与工业和信息化部联合发布通知，启动智慧城市基础设施与智能网联汽车协同发展试点，强调建立健全统筹协调机制，落实资金等保障措施，确保试点工作取得成效，形成可复制可推广的经验[1]。边缘计算作为前沿技术，可以解决车路协同的低延迟和高带宽需求，成为研究的关键。

　　1. 智慧城市车路协同系统的概念

　　智慧城市车路协同系统（cooperative vehicle-infrastructure system，CVIS）利用传感、通信和数据分析技术，构建网络，实现车辆与环境（如其他车辆、行人、交通信号灯等）的实时互动[2]。系统依赖车辆感知与决策能力，辅以摄像头、雷达、路边设备（roadside unit，RSU）收集路况信息，通过蜂窝车联网（cellular vehicle-to-everything，C-V2X）技术传输。C-V2X包括车对车（vehicle-to-vehicle，V2V）、车对基础设施（vehicle-to-infrastructure，V2I）、车对行人（vehicle-to-pedestrian， V2P）及车对外界（vehicle-to-everything，V2X）等通信技术，可预防事故、优化流量、提供服务，并推动自动驾驶。系统融合多源数据，依赖边缘计算确保快速响应。

　　2. 边缘计算网络架构技术

　　边缘计算网络架构是智慧城市车路协同系统的核心支撑，通过将计算资源从云端移至网络边缘，降低数据传输延迟，提升实时处理能力，并保护隐私。该架构由路侧边缘层、区域汇聚层和城市级中心云三层组成，协同实现交通信息的高效采集与处理。

　　路侧边缘层连接感知设备（如摄像头、雷达），收集并初步处理数据，减轻后续负担，提高处理效率。区域汇聚层汇总各路段信息，确保数据准确，并转发重要事件至上层，具备强大计算与存储能力，支持复杂场景和区域设施对接，构建高效交通网络。城市级中心云存储历史数据，利用机器学习训练预测模型，为决策提供依据，驱动智慧交通发展，为交通管理与规划提供支持。这种分层架构优化数据流程，保障高效运行。

　　3. 智慧城市车路协同系统的边缘计算网络架构设计

　　3.1 设计目标

　　智慧城市车路协同系统的边缘计算网络架构旨在优化智慧交通中数据处理的实时性、带宽效率和隐私保护能力。该架构通过将计算资源部署在网络边缘，有效缩减了数据传输至远端数据中心的时间延迟，提高了系统响应速度，并减轻了核心网络的负载[3]。整个网络架构由三大核心层次构成：路侧边缘层、区域汇聚层和城市级中心云层。每个层级各司其职，共同协作，以确保数据处理的高效性和服务提供的优质性。此架构可以将数据处理时间缩短至毫秒级，显著提升交通管理的即时响应能力和精准度，不仅满足了智能交通系统的多样化需求，更为未来智慧城市的拓展奠定了坚实的基础。

　　3.2 边缘计算网络架构设计

　　3.2.1 路侧边缘层设计

　　路侧边缘层作为边缘计算网络架构中最接近数据源的一环，直接与各类感知设备相连，如摄像头、雷达传感器等。这些设备负责捕捉车辆周围环境的信息，包括车辆的位置、速度、行驶方向和道路状况等。路侧边缘层接收这些设备传输的原始数据，并进行初步处理，如数据清洗、特征提取和初步分析。这不仅减轻了后续层级的计算负担，还保证仅有经过预处理的有价值信息被上传至更高级别的计算平台。路侧边缘层设计如图1所示。为提高系统的可靠性和冗余度，接入路侧网络采用了环形拓扑结构，并配置快速切换机制，即使某一部分出现故障，整体网络成保护倒换，确保业务不受影响。此外，路侧边缘层还兼容多种通信协议，能够与不同类型的道路设施进行交互，从而实现更加广泛的互联互通。

　　3.2.2 区域汇聚层设计

　　区域汇聚层位于路侧边缘层之上，负责汇总来自不同路段边缘计算节点的信息，并将关键的交通事件报告转发至上一级的城市级中心云。一般而言，每个行政区会建立一个或两个此类计算中心，以满足区域内交通管理的需求[4]。区域汇聚层的主要任务包括数据聚合、实时决策支持和远程通信，能够基于实时路况做出即时性的决策，如调整信号灯时长、优化公交线路等，以提高交通效率，具体设计如图2所示。对于涉及跨区域协调或需要更高层次干预的情况，则依赖于区域汇聚层与市级中心云之间的通信完成。为了保障交通安全，该层级必须具备高度的安全防护措施，防止黑客攻击或恶意篡改数据，并且还需要具备冗余备份机制，以防止单点故障导致的服务中断。

　　3.2.3 城市级中心云设计

　　城市级中心云作为整个边缘计算网络架构的顶层环节，发挥着统筹全局的关键作用。该层级集中存放着全市范围的历史数据记录，可用于长期趋势分析、政策制定参考以及科研用途。更重要的是，城市级中心云利用其海量的数据储备和先进的机器学习算法训练出更加精准的预测模型，进而指导各区域乃至具体路段上的实时决策过程。在面对突发恶劣天气或者重大活动时，城市级中心云会根据过往类似情况下的数据表现提前规划应对措施，最大限度地保障公众安全和社会秩序稳定。城市级中心云也是连接外部合作伙伴的重要桥梁，促进了跨部门协作和资源共享，共同推动智慧城市建设和智慧交通的发展。城市级中心云设计框架如图3所示。

　　4. 智慧城市车路协同系统的边缘计算网络架构设计应用

　　4.1 数据处理效率的提升

　　在智慧城市车路协同系统中，边缘计算网络架构通过将计算资源部署在网络边缘，提升了数据处理效率和系统可靠性。路侧边缘层连接高清摄像头、毫米波雷达和激光雷达等感知设备，在本地完成数据清洗、特征提取和初步分析，减少上层数据冗余。接入网设计分为接入路侧网络和接入回传网络。接入路侧网络负责设备与路侧边缘层的组网及与区域汇聚层的信息交互，采用环形拓扑结构并配置GE环网保护机制，确保业务稳定和低延迟。接入回传网络负责区域汇聚层与路侧边缘层的高效通信，方案包括自建光纤和租用专线网络。自建光纤适合全区域覆盖，成本低且运维简明；租用专线适用于无自建条件的城市，通过二层虚拟专用网（layer virtual private network，L2VPN）、光传送网（optical transport network，OTN）或5G专线实现可靠连接。这种分层设计保障了信息流畅传递，支持系统高效运作[5]。

　　边缘计算优化了数据处理流程。基于真实交通场景的模拟实验，部署100个路侧边缘节点的测试网络，采集超500小时交通数据，包括车辆速度、密度和突发事件等变量，结果表明预处理后数据量减少约70%，减轻后续计算负担，响应时间从500毫秒缩短至150毫秒以下，为事故预警和路径优化等实时应用提供了保障。

　　例如，苏州市管高速投用AI2慧眼系统[6]，对高速道路上发生的交通事故、异常停车、异物抛撒、车辆逆行、路况拥堵等异常状况进行更加精准识别、检测和预警。目前，在苏州高速公司试点的130千米路段上已有219路高清摄像头接入“AI2高速慧眼”事件检测系统，覆盖市管高速37.68%的管辖路段。自该系统投用以来，常规路况事件预警准确率从原先的51.7%提升至90%以上。其中在2024年5月至2024年6月期间，高速慧眼就主动发现交通事故101起、道路拥堵8起，为监控指挥中心加强清障、交警、养护等力量调度，快速处置影响高速公路安全畅通的路面特情提供了有力保障。

　　4.2 系统可靠性的增强

　　路侧边缘层依托边缘计算网络架构凭借多层次的安全防护措施，显著提升了系统的可靠性。接入路侧网络采用环形拓扑结构，并配备快速切换机制，确保在部分组件出现故障时，整体网络能在50毫秒内完成保护倒换，维持业务的连续性。区域汇聚层和城市级中心云同样具备容错机制，有效防止单点故障引发的服务中断，为系统的稳定运行筑牢根基。

　　在实际应用中，北京市部署的城市车路协同系统采用了该边缘计算网络架构，在面对一系列复杂状况时展现出强大的可靠性。例如，浪潮信息与百度联合发布首款路侧边缘计算单元[7]，基于该车路协同核心计算单元构建的“感知-计算-通信”路侧边缘智能体系的测试数据显示，路侧边缘智能体系能够实现对路口范围的车、道路、环境、交通事件的全要素实时检测和分析，位置精度≤1.0m（人机非,平均），速度精度≤1.5m/s（均值），交通对象感知定位类型识别准召率≥90%，路侧对象感知端到端时延（含通信时延）≤300ms（均值），为高等级自动驾驶与智慧交通提供算力支撑。

　　4.3 交通管理的优化

　　区域汇聚层负责汇总来自不同路段边缘计算节点的信息，并向上一级的城市级中心云转发重要的交通事件报告。据统计，通过区域汇聚层的优化调度，交通流量可提升20%～30%，事故率降低15%左右。区域汇聚层基于当前路况作出即时性决策，如调整信号灯时长、优化公交线路等，以提高交通效率。在一些试点城市的应用案例中，智能交通管理系统实现了动态调配路网资源，提供拥堵提醒和优化路线诱导服务。例如，温州的“绿波带”策略使停车次数从原先的195次下降至现在的89次，下降幅度为54.3%，大大提升了市民的出行体验[8]。同时，城市级中心云利用历史数据和机器学习算法提前规划应对措施，最大限度地保障公众安全和社会秩序稳定。

　　4.4 支持未来的扩展与创新

　　边缘计算网络架构不仅满足了现有智能交通系统的需求，还为未来智慧城市的发展预留了充足的空间[9]。该架构具有高度的灵活性和可扩展性，可以轻松适应新增加的道路设施和技术更新。通过合理划分各级计算平台的功能定位，并选择针对性强的技术方案，能够有效应对不断增长的数据处理需求和服务质量要求。城市级中心云作为连接外部合作伙伴的重要桥梁，促进了跨部门协作和资源共享，共同推动智慧城市建设和智慧交通的发展。城市自建光纤模型相较于租赁方式可节省约40%的开支，降低了建设成本的同时提高了运维效率[10]。一个中型城市通过自建光纤模型，每年可节省约200万元的运营成本，同时提高系统的响应速度和服务质量，为未来的扩展打下了坚实基础。边缘计算网络架构的应用已经在多个实际场景中展现出显著效果，改善了城市的交通状况，并为其他领域的智能化改造提供了宝贵经验。

　　5. 项目实例分析

　　智慧城市车路协同系统的边缘计算网络架构研究中，无锡市高浪路改造项目是一个成功范例[11]。该项目利用边缘计算技术提升道路安全与通行效率，验证了架构有效性。在基础设施方面，利用边缘计算网络架构、大数据分析、云计算、人工智能等先进技术构建智能交通体系，打造集采集、数据分析、预测预警、应急指挥、可视化平台于一体的快速路管控平台，着力提升全市道路通行率。该平台监测显示，目前快速路主线平均时速提高约21%，快速路及周边路网交通流量得到有效均衡，路网通行效率显著提升。在交通安全方面，下匝道可变信息标志板上的预警灯显示“黄色”箭头，对超速车辆进行实时警示，减少由车辆超速带来的事故隐患。大数据显示，该路段匝道长度400米，安装警示灯40套，目前通过该路段的车辆车速普遍下降，违法超速率下降11%，事故发生率下降33%。在交通效率方面，如针对惠山隧道北进口实际情况和交通需求，在匝道汇入主线区域设置信号灯、优化交通组织、增加抓拍设备等，控制匝道汇入快速路主线的交通流量，减少合流交织，提升合流秩序，提高主线通行效率。目前，早晚高峰匝道上下游平均时速提高了15%，日平均拥堵时间减少了20分钟。“城市交通大脑”实现数据汇聚与智慧调控，遇突发情况可“一键红锁”管制或“一键绿锁”疏散。高浪路项目的成功为无锡市及其他城市积累了宝贵经验，得到业内高度认可，从而有力推动了智慧城市交通管理的发展。

　　结语

　　随着技术的进步，交通系统将更加智能化和自动化，支持更复杂的交通管理和自动驾驶应用。智慧城市车路协同系统的边缘计算网络架构将继续发挥重要作用。进一步优化的数据处理能力和更高的可靠性将为市民提供更安全、高效的出行体验。同时，跨部门协作和资源共享将进一步推动智慧城市的全面发展，共同构建一个更智能、更环保、更便捷的城市环境。

　　参考文献：

　　[1]住房和城乡建设部,工业和信息化部.两部委关于确定智慧城市基础设施与智能网联汽车协同发展第一批试点城市的通知（建城函〔2021〕51号）[EB/OL].(2021-05-06)[2025-03-05].https://www.miit.gov.cn/xwdt/gxdt/art/2021/art_0396a22821ae444db11975f2ab0c9f37.html.

　　[2]武晓博,龚兴涛,杨皓元.基于车联网技术的高速公路智能车路协同系统设计[J].自动化技术与应用,2024,43(12):20-24.

　　[3]雷鸣,邬小鲁.基于云计算的一体化车路云协同系统方法研究[J].信息记录材料,2024,25(11):189-192.

　　[4]李肇强.车路协同交通风险态势认知与服务系统设计与实现[D].北京:北京邮电大学,2024.

　　[5]邹娇,赵翔.基于车路协同的城市智慧道路关键技术框架研究[J].城市道桥与防洪,2024,(6):5-8,369.

　　[6]苏州市人民政府国有资产监督管理委员会.苏州市管高速投用AI2慧眼系统 路况预警准确率达90%以上[EB/OL].(2024-06-06)[2025-03-05].https://www.suzhou.gov.cn/szsrmzf/jtcx/202406/038ac2ae97344842a81c975f52e51336.shtml.

　　[7]光明网.浪潮信息与百度智能云联合发布首款路侧边缘计算单元RSCU[EB/OL].(2023-10-09)[2025-03-05].https://tech.gmw.cn/2023-10/09/content_36880809.htm.

　　[8]中国蓝新闻.“绿波带”来了！温州市区这些路段，一路绿灯！[EB/OL].(2021-12-06)[2025-03-05].https://www.360kuai.com/pc/93eb8de014dbcf9b7?cota=3&kuai_so=1&tj_url=so_vip&sign=360_57c3bbd1&refer_scene=so_1.

　　[9]宋军.智慧城市车路协同系统的边缘计算网络架构和方案[J].自动化博览,2022,39(2):38-41.

　　[10]吴冬升.车路协同创新示范赋能智慧高速[J].智能网联汽车,2020(3):31-35.

　　[11]无锡新传媒.无锡智能交通系统畅通“城市动脉” 快速路主线平均时速提升两成[EB/OL].(2023-11-07)[2025-03-05].https://www.wxrb.com/doc/2023/11/07/318590.shtml.

　　作者简介：秦璐，本科，763755025＠qq.com，研究方向：智能交通管理。